張翔鶴 王曉麗，3 劉婷婷，3 胡 林 樊景超，3*

（1.中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所，北京 100081；2.國(guó)家農(nóng)業(yè)科學(xué)數(shù)據(jù)中心，北京 100081；3.農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)大數(shù)據(jù)重點(diǎn)實(shí)驗(yàn)室北京 100081）

數(shù)據(jù)庫(kù)（集）基本信息簡(jiǎn)介

1 引言

我國(guó)是果業(yè)大國(guó)，隨著我國(guó)經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整，果品產(chǎn)業(yè)已成為我國(guó)種植業(yè)的第三大產(chǎn)業(yè)。但是我國(guó)水果需求量仍然很大，根據(jù)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，近幾年我國(guó)水果進(jìn)口數(shù)量均大于出口數(shù)量。2020 年我國(guó)水果出口金額為68.32萬美元，進(jìn)口金額為115.6萬美元。究其原因，是我國(guó)出口的水果達(dá)不到進(jìn)口國(guó)的水果質(zhì)量標(biāo)準(zhǔn)。近年來，人們對(duì)高質(zhì)量產(chǎn)品的需求不斷提高，如何生產(chǎn)出高質(zhì)量的綠色有機(jī)水果已經(jīng)受到了社會(huì)各界的廣泛關(guān)注。對(duì)果園的治理包括疏花疏果、樹體保護(hù)、災(zāi)害防治等措施，及時(shí)觀察、測(cè)報(bào)和隨時(shí)清理果園中的病蟲源是最為有效措施。果園蟲害輕則導(dǎo)致果園減產(chǎn)，重則導(dǎo)致果樹損毀?，F(xiàn)階段，我國(guó)果園病蟲害造成投入成本高，病蟲害的發(fā)生造成的直接經(jīng)濟(jì)成本約為總成本的十分之一以上。對(duì)病蟲害的防治成本約為總成本的百分之四十以上。果園病蟲害種類繁多，過去的果園病蟲害監(jiān)測(cè)和防治已經(jīng)很難滿足當(dāng)前時(shí)間、空間和成本上的需求，而基于圖像識(shí)別技術(shù)對(duì)果園害蟲進(jìn)行精準(zhǔn)識(shí)別，能夠降低成本，精準(zhǔn)治理果園，提高果實(shí)質(zhì)量，增加收益。通過害蟲圖像對(duì)其種類進(jìn)行精準(zhǔn)識(shí)別，對(duì)果樹進(jìn)行害蟲情況預(yù)測(cè)，進(jìn)而針對(duì)具體害蟲進(jìn)行精準(zhǔn)用藥或者引入天敵生物等措施[1]，達(dá)到精準(zhǔn)治理病蟲害。由此看來，果園害蟲的分類識(shí)別對(duì)果園綜合治理至關(guān)重要[2-3]。本研究收集了果園中常見的六種害蟲的圖像數(shù)據(jù)，對(duì)開展果園害蟲的機(jī)器識(shí)別提供了基礎(chǔ)圖像數(shù)據(jù)。

隨著深度學(xué)習(xí)技術(shù)和計(jì)算機(jī)圖像處理水平的快速提升，諸多學(xué)者也采集了很多果園害蟲圖像數(shù)據(jù)用以機(jī)器的深度學(xué)習(xí)訓(xùn)練。李文勇[4]設(shè)計(jì)了一套果樹害蟲采集系統(tǒng)，采集各種果樹害蟲的圖像數(shù)據(jù)，并以此研發(fā)了一種基于機(jī)器視覺的果園性誘害蟲在線識(shí)別與計(jì)數(shù)方法；程魯玉等[5]也依據(jù)果林害蟲的圖像數(shù)據(jù)，根據(jù)機(jī)器視覺方法提取害蟲圖像特征，從而實(shí)現(xiàn)了果林中果害蟲圖像特征高效分類識(shí)別，能夠?yàn)楣植∠x草害的診斷提供有力依據(jù)；田冉等[6]則將工業(yè)相機(jī)采集的果園害蟲圖像數(shù)據(jù)和紅外傳感器識(shí)別結(jié)果相結(jié)合，得到一種紅外傳感器與機(jī)器視覺融合的果樹害蟲識(shí)別和計(jì)數(shù)方法，可以一定程度上提高害蟲的識(shí)別準(zhǔn)確率。

此外，對(duì)于有記載的可信度高的同類調(diào)查數(shù)據(jù)集，山東農(nóng)業(yè)大學(xué)相關(guān)研究人員[7]對(duì)北京昌平等地蘋果園的蟲害進(jìn)行調(diào)查，含有采集地、采集部位、采集人、采集單位等數(shù)據(jù)。當(dāng)前我國(guó)果園病蟲害數(shù)據(jù)的收集，主要集中于對(duì)害蟲資源的發(fā)生危害信息，害蟲本身的圖像數(shù)據(jù)集較少。

本數(shù)據(jù)集通過網(wǎng)絡(luò)搜索引擎收集了果園常見的六種害蟲：桔小實(shí)蠅、金龜子、梨小食心蟲、青葉蟬、星天牛和柑桔大實(shí)蠅的原始圖像數(shù)據(jù)，并對(duì)模糊不清、分辨率低和尺寸不一的圖像進(jìn)行篩選，最終得到可用于圖像識(shí)別技術(shù)的圖像1613 張。并提供其中三種害蟲的顯著度圖像，可用于進(jìn)一步的害蟲分類研究。本數(shù)據(jù)集為果園害蟲相關(guān)研究提供了數(shù)據(jù)基礎(chǔ)。

2 數(shù)據(jù)采集與處理方法

2.1 害蟲圖像數(shù)據(jù)采集

本數(shù)據(jù)集的測(cè)試對(duì)象為果園害蟲，經(jīng)過文獻(xiàn)調(diào)研和資料調(diào)查，選取六種最常見的害蟲圖像，通過網(wǎng)絡(luò)爬蟲和搜索引擎獲取?；诮⒌哪Ｐ?，其適用度有所不同，考慮到一般的顯卡容量以及運(yùn)行時(shí)間，對(duì)圖片尺寸的要求為100～300px之間[8]。收集到的圖像樣本數(shù)據(jù)量如表1所示。

表1 果園害蟲圖像樣本數(shù)據(jù)量Tab.1 Orchard pest image sample data

2.2 圖像處理方法

對(duì)于本數(shù)據(jù)集中的顯著圖圖像數(shù)據(jù)，由于圖像質(zhì)量對(duì)模型的構(gòu)建至關(guān)重要，并且決定了后續(xù)相關(guān)研究提取昆蟲特征的有效性，因此圖像處理方法至關(guān)重要。對(duì)于害蟲圖像的有效特征提取，有很多種方法，如蟻群優(yōu)化算法等[9]，本數(shù)據(jù)集采用反卷積方法，能夠選取最有效、最適合構(gòu)建模型的原始圖像的樣本[10]。本數(shù)據(jù)集采用的實(shí)驗(yàn)設(shè)備是一臺(tái)聯(lián)想Thinkstation圖形工作站，顯卡是Nivida Quadro K4000顯存3GB，GPU運(yùn)算能力是3.0。

選定適量的測(cè)試集，預(yù)先對(duì)AlexNet 網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，達(dá)到一定效果后，對(duì)本數(shù)據(jù)集收集的害蟲圖像進(jìn)行反卷積可視化[11-12]，反卷積可視化方法可以有效遴選適合進(jìn)行模型構(gòu)建的原始圖像樣本[8]。通過所得圖像判斷當(dāng)前圖像能否有效提取害蟲特征，第一層識(shí)別圖像不顯著，再對(duì)圖像進(jìn)行第二層反卷積可視化。如此，便得到原始害蟲、低維特征、特征組合以及全局的高位特征圖像，如圖1所示。

圖1 害蟲圖像反卷積可視化Fig.1 Pest image deconvolution visualization

由此，通過反卷積過程提取到有效的害蟲的識(shí)別特征，將這些樣本遴選出來作為高質(zhì)量的樣本集合。由于每一類害蟲的圖像數(shù)據(jù)樣本量不一致，分辨率高低不一致，訓(xùn)練精度往往會(huì)因此降低。所以，將每一類害蟲的數(shù)據(jù)樣本量控制在一定范圍內(nèi)，適量刪減其分辨率不一致的圖像，最終得到總樣本集合799 張顯著圖，這些高質(zhì)量的樣本圖像數(shù)據(jù)便可以直接用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和驗(yàn)證。

3 數(shù)據(jù)樣本描述

每一類害蟲的圖像數(shù)據(jù)保存為一個(gè)文件夾，命名方式為“品種名稱”。該文件夾包含原始數(shù)據(jù)和兩層顯著圖數(shù)據(jù)，命名方式為“原始圖像”、“第一層識(shí)別圖像”和“第二層識(shí)別圖像”。內(nèi)部文件命名方式為“品種名+序號(hào)”。部分樣本示例如圖2 所示。本數(shù)據(jù)集共收集保存桔小實(shí)蠅原始圖像372 張，第一層識(shí)別圖像372張，第二層識(shí)別圖像372張；柑橘大實(shí)蠅原始圖像217 張；金龜子原始圖像418 張，第一層識(shí)別圖像38 張；梨小食心蟲原始圖像497 張；青葉蟬原始圖像58 張，第一層識(shí)別圖像18 張；星天牛原始圖像54張。

圖2 桔小實(shí)蠅原始圖像、第一層識(shí)別圖像、第二層識(shí)別圖像Fig.2 The original image of Bactrocera dorsalis,the identification image of the first layer and the identification image of the second layer

4 數(shù)據(jù)質(zhì)量控制與驗(yàn)證

在數(shù)據(jù)收集和整理過程中，原始圖像尺寸控制在100-300px 之間，并對(duì)原始樣本圖像數(shù)據(jù)進(jìn)行機(jī)器識(shí)別，提取其特征。運(yùn)用反卷積遴選方法，對(duì)提取出有效特征的樣本進(jìn)行篩選，從而得到高質(zhì)量的具有有效特征的樣本。再對(duì)這些提取出有效特征的樣本進(jìn)行刪減，將分辨率控制224。最終得到高水平的數(shù)據(jù)集：顯著圖分辨率一致，并且均具備有效特征。

此外，在拍攝圖片的復(fù)雜背景下分割出害蟲圖像，從而提取有效的特征信息，是相對(duì)復(fù)雜的[13]。本研究采集的害蟲圖像背景簡(jiǎn)單，也為分割圖像提取特征提供了方便。隨著現(xiàn)代圖像處理技術(shù)的發(fā)展，復(fù)雜圖像的識(shí)別分割將不會(huì)是難題。

5 數(shù)據(jù)價(jià)值與使用建議

本數(shù)據(jù)集是經(jīng)過大量搜索提純后得到的高質(zhì)量數(shù)據(jù)集，除了原始圖像數(shù)據(jù)集，對(duì)于擁有清晰昆蟲特征的圖像數(shù)據(jù)，提供機(jī)器識(shí)別后的顯著圖，包括神經(jīng)網(wǎng)絡(luò)第一層和第二層的識(shí)別圖，可以直接用以相關(guān)研究，如研究建立昆蟲識(shí)別模型等[14-15]。

利用圖像數(shù)據(jù)，進(jìn)行特征提取后，借助SVM 分類器等進(jìn)行昆蟲種類的智能識(shí)別[16-17]。此外，使用數(shù)據(jù)集時(shí)可以直接對(duì)六種害蟲，分析其圖像特征，針對(duì)這些特征研究制定防范蟲害的措施等[18]。

數(shù)據(jù)作者分工職責(zé)

張翔鶴（1997—），女，山東青島人，碩士，研究生，主要從事農(nóng)業(yè)科學(xué)數(shù)據(jù)管理與分析研究。主要承擔(dān)工作：數(shù)據(jù)匯總整理及論文撰寫。

王曉麗（1982—），女，河北欒城人，博士，助理研究員，主要從事農(nóng)業(yè)科學(xué)數(shù)據(jù)管理與分析研究。主要承擔(dān)工作：數(shù)據(jù)整理與分類匯總。

劉婷婷（1985—），女，北京人，碩士，助理研究員，主要從事農(nóng)業(yè)科學(xué)數(shù)據(jù)獲取與研究。主要承擔(dān)工作：數(shù)據(jù)集整合與處理。

胡林（1967—），男，內(nèi)蒙古商都縣人，博士，研究員，主要從事科學(xué)數(shù)據(jù)管理相關(guān)研究。主要承擔(dān)工作：總體方案設(shè)計(jì)與組織實(shí)施。

樊景超（1980—），男，遼寧沈陽人，博士，副研究員，主要從事農(nóng)業(yè)科學(xué)數(shù)據(jù)管理與分析研究。主要承擔(dān)工作：圖像數(shù)據(jù)采集，總體方案設(shè)計(jì)與組織實(shí)施。

引用數(shù)據(jù)

[1]張翔鶴，王曉麗，劉婷婷，等.桔小實(shí)蠅等六種常見果園害蟲圖像數(shù)據(jù)集[DB/OL].國(guó)家農(nóng)業(yè)科學(xué)數(shù)據(jù)中心.DOI:10.12205/asda.j00003.00008.

Zhang X H,Wang X L,Liu T T,et al.Image data set of six common orchard pests such as Bactrocera dorsalis[DB/OL].National Agriculture Science Data Center.DOI:10.12205/asda.j00003.00008.